24235 पेपर
यह शोध पत्र यह लक्षण वर्णन करने के लिए आकार विश्लेषण उपकरणों (shape analysis tools) का उपयोग करता है कि कैसे विभिन्न डेटा ऑग्मेंटेशन रणनीतियाँ एक ज्यामितीय मीट्रिक स्पेस के भीतर न्यूरल नेटवर्क के निरूपणों (representations) को नया आकार देती हैं, जो यह प्रकट करता है कि ऑग्मेंटेशन की तीव्रता और प्रकार विशिष्ट, पूर्वानुमेय प्रक्षेपवक्र (trajectories) निर्मित करते हैं जो मॉडल एनसेम्बलिंग और विधि तुलना का मार्गदर्शन कर सकते हैं।
SMCEvolve एक सिद्धांत-आधारित ढांचा पेश करता है जो LLM-संचालित वैज्ञानिक खोज के लिए प्रोग्राम खोज को सीक्वेंशियल मोंटे कार्लो सैंपलिंग के रूप में पुनर्गठित करता है, जो विविध बेंचमार्क पर कम LLM कॉल्स के साथ अत्याधुनिक प्रणालियों से बेहतर प्रदर्शन करते हुए सैद्धांतिक अभिसरण गारंटी और परिमित-नमूना जटिलता सीमाएं प्रदान करता है।
यह शोध पत्र समय-परिवर्ती डीप स्टेट-स्पेस मॉडल का एक वर्ग प्रस्तुत करता है जो स्विचिंग डायनेमिक्स को कैप्चर करने के लिए सीखने योग्य बेसिस फंक्शन्स का उपयोग करते हैं, जो सिंथेटिक और स्पीच डिनोइजिंग कार्यों में समान कम्प्यूटेशनल जटिलता बनाए रखते हुए टाइम-इनवेरिएंट समकक्षों की तुलना में बेहतर प्रदर्शन प्रदर्शित करते हैं।
यह शोध पत्र ब्लम-ग्लाडिशेव शोर मॉडल (Blum-Gladyshev noise model) के तहत मोमेंटम के साथ और बिना, सामान्यीकृत स्टोकेस्टिक ग्रेडिएंट विधियों के लिए पहले अभिसरण गारंटी (convergence guarantees) स्थापित करता है, जो यह सिद्ध करता है कि वेरिएंस-रिड्यूस्ड नॉर्मलाइज्ड STORM मानक स्मूथनेस (standard smoothness) के तहत मिनिमैक्स ऑप्टिमल जटिलता प्राप्त करता है, जबकि बिना सीमित डोमेन, बढ़ते बैच आकार, या स्पष्ट एंकरिंग की आवश्यकता के सामान्यीकृत स्मूथनेस (generalized smoothness) के लिए विशिष्ट दरों को अभिलक्षणित करता है।
FFAvatar एक सामान्यीकरण योग्य (generalizable), फीड-फॉरवर्ड फ्रेमवर्क है जो मल्टी-व्यू डेटा को एक एकीकृत प्रतिनिधित्व में संलयित करके और एंड-टू-एंड FLAME मापदंडों की भविष्यवाणी करके, कुछ अनपोज़्ड (unposed) छवियों से सेकंडों में उच्च-गुणवत्ता वाले, एनिमेटेबल 3D गॉसियन हेड अवतारों को पुनर्गठित करता है, जो एक नवीन तीन-चरणीय प्रशिक्षण पाठ्यक्रम के माध्यम से अत्याधुनिक प्रदर्शन और रीयल-टाइम परिनियोजन प्राप्त करता है।
यह शोध पत्र DIO-Agent को प्रस्तुत करता है, जो एक खोज ढांचा (discovery framework) है जो प्रोग्राम संश्लेषण (program synthesis) को निष्पादन त्रुटियों (execution errors) और सरल परिकल्पनाओं को प्राथमिकता देने के लिए एक "ट्रांसफॉर्मेशन प्रायोरिटी प्रिमिस" (Transformation Priority Premise) द्वारा निर्देशित एक विकासवादी खोज (evolutionary search) के रूप में फ्रेम करके चुनौतीपूर्ण IO2Code समस्या को हल करता है, और एक नवनिर्मित IO2CodeBench पर मौजूदा विधियों की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र मिनेर्वा-ईगो (Minerva-Ego) को प्रस्तुत करता है, जो जटिल एगोसेंट्रिक (egocentric) वीडियो तर्क के लिए एक बेंचमार्क है जिसमें स्थानिक-कालिक रूप से सघन मानव-एनोटेटेड ट्रेसेस (human-annotated traces) शामिल हैं, जो यह प्रकट करता है कि अत्याधुनिक मॉडल मनुष्यों से काफी पीछे हैं लेकिन "कहाँ" और "कब" के दृश्य संकेतों को प्रदान करने से उनमें पर्याप्त सुधार किया जा सकता है।
यह शोध पत्र हाइब्रिड मोमेंटम स्टोकेस्टिक फ्रैंक-वोल्के (Hybrid Momentum Stochastic Frank–Wolfe) एल्गोरिदम का प्रस्ताव करता है, जो नॉन-स्मूथ आउटर फंक्शन्स वाले नॉन-कॉन्वेक्स स्टोकेस्टिक कंपोजिशनल ऑप्टिमाइज़ेशन के लिए एक जनरल लाइज़्ड लीनियर मिनिमाइजेशन ऑरेकल में स्टोकेस्टिक लीनियरइज़ेशन्स का उपयोग करने हेतु टेलर-करेक्टेड फंक्शन ट्रैकिंग के साथ मोमेंटम-आधारित जैकोबियन ट्रैकिंग को जोड़कर एक इष्टतम अभिसरण दर (convergence rate) प्राप्त करता है।
PACER एक स्केलेबल, acyclicity-गारंटीड फ्रेमवर्क है जो कॉज़ल डिस्कवरी (causal discovery) के लिए, वेरिएबल परम्यूटेशन और एज प्रोबेबिलिटीज के माध्यम से वैध DAGs पर एक डिस्ट्रीब्यूशन को पैरामीटराइज करता है, जिससे सॉफ्ट कंस्ट्रेंट्स की संख्यात्मक अस्थिरता (numerical instability) के बिना बड़े पैमाने के इंटरवेंशनल डेटा पर कुशल अनुकूलन संभव होता है।
यह शोध पत्र CoMole को प्रस्तुत करता है, जो एक नियंत्रणीय आणविक जनरेटिव फाउंडेशन मॉडल है जो परमाणु-स्तर की एक्शन स्पेस चुनौतियों से निपटने के लिए एक मोटिफ-अवेयर ग्राफ डिफ्यूजन पाइपलाइन और सुदृढीकरण सीखने (reinforcement learning) का उपयोग करता है, जिससे विविध सामग्रियों और औषधि खोज कार्यों में बिना किसी पोस्ट-हॉक फ़िल्टरिंग के बेहतर प्रदर्शन और वैधता प्राप्त होती है।